Upload
allen-hays
View
328
Download
0
Embed Size (px)
DESCRIPTION
质量权重 MODIS NDVI 时间序列影像滤波重构方法. 报告人:周增光 中国科学院遥感应用研究所 2012 年 10 月 28 日. 提 纲. 1 、研究背景及意义 2 、常用的 NDVI 时间序列滤波重构方法 3 、质量权重 MODIS NDVI 时间序列重构 4 、结果分析与效果评价 5 、总结. 1 、研究背景及意义. 1. 研究背景及意义. 归一化植被指数( NDVI ) NDVI 时间序列数据 NOAA-AVHRR 、 MODIS. 1. 研究背景及意义. NDVI 时间序列曲线 理论上: 连续、平滑 实际上: 波动、尖峰. - PowerPoint PPT Presentation
Citation preview
© 中国科学院遥感应用研究所
1. 研究背景及意义
归一化植被指数( NDVI )
NDVI 时间序列数据
NOAA-AVHRR 、 MODIS
rednir
rednirNDVI
ni
NDVItTS ii
,...,2,1
),(:
© 中国科学院遥感应用研究所
1. 研究背景及意义
噪声源对 NDVI 的影响y 云、
大气状况(气溶胶) NDVI↓
y 各向异性、前向散射、远离星下点观测等NDVI↑
目前的 NDVI 时间序列滤波重构方法的 2 个前提y 1 : NDVI 的时序曲线的变
化对应着植被的生长和衰老过程。
y 2 :云和不利的大气条件往往会降低 NDVI 值,时序曲线中的突降点应视为噪声数据进行滤除。
y ?
© 中国科学院遥感应用研究所
1. 研究背景及意义
QA (Quality Assurance)
y QA 质量保证数据集指示了数据的详细质量信息。
y 最高 QA 等级表示无云、低气溶胶、观测角小于星下点 30° :误差小于 ±0.03 ,精度优于 0.02.
MODI S辐射率计数值
定标定位后的辐射率计数值、网格及角度信息
云、气溶胶、降水量、水陆等信息
地表光谱反射率、QA信息
网格植被指数产品
MODIS 植被指数数据流程
QA → 质量因子y 高质量的 NDVI 时间序列
重构方法。
© 中国科学院遥感应用研究所
2. 常用的 NDVI 时间序列重构方法
Savitzky-Golay 滤波法( SG )y (Jin Chen et al., 2004, cited 290)
非对称高斯函数拟合法( Asymmetric Gaussians , AG )
y (Jönsson Per, Eklundh Lars, 2002, cited 259 )
双逻辑函数拟合法( Double Logistic , DL )y (Pieter S.A. Beck et al., 2006, cited 141)
© 中国科学院遥感应用研究所
2. 常用的 NDVI 时间序列重构方法——SG 、 AG 、 DL
SG 滤波器 AG 拟合函数 DL 拟合函数
n
YCY
mi
mi
iji
j
*
),...,;()( 5121 xxtgcctf
15
4
1
13
2
1
51
],)(exp[
],)(exp[),...,;(
xtxx
tx
xtxx
xt
xxtg
),...,;()( 4121 xxtgcctf
)exp(1
1
)exp(1
1),...,;(
4
3
2
141
xtx
xtx
xxtg
© 中国科学院遥感应用研究所
流程图
2. 常用的 NDVI 时间序列重构方法—— SG 滤波法
去云后的NDVI序列
SG滤波获得NDVI序列趋势
计算NDVI序列数据权重Wi
生成新的NDVI序列Yk
SG滤波得到序列Y’
滤波效果最好
高质量NDVI序列
计算滤波效果系数Fk
是
否
原理y 通过一个迭代的过程使得 SG 滤波重
构后的 NDVI 序列曲线逐渐逼近原始序列的上包络线,以抑制低值噪声。
数据权重
滤波效果系数
迭代运算
trendiitrendiii
iYYYYdd
w
0
0max
,,/1
1
|| 0 trendiii YYd
N
i
iikik wYYF
1
01 ]|[|
kk
kk
YYY
YYYY
',
','1
© 中国科学院遥感应用研究所
2. 常用的 NDVI 时间序列重构方法—— AG 、 DL拟合法
与 SG 滤波法相似之处 原理
y 通过一个迭代的过程使得经过AG 、 DL 拟合重构后的 NDVI序列曲线逐渐逼近原始序列的上包络线,以抑制低值噪声。
数据权重
迭代运算
与 SG 滤波法不同之处 基函数
y AG 、 DL 局部拟合函数y 局部拟合函数拼接为全局拟
合函数
拟合效果系数trendiitrendiii
iYYYYdd
w
0
0max
,,/1
1
|| 0 trendiii YYd
kk
kk
YYY
YYYY
',
','1
2
1
2)]),,(([2n
niyxctfw iii
© 中国科学院遥感应用研究所
2. 常用的 NDVI 时间序列重构方法——SG 、 AG 、 DL
距离决定权重y 距离权重 NDVI 时间序列重构方法
距离权重 NDVI 时间序列重构方法优点y 较好滤除突降噪声;y 重构结果逼近原始曲线上包络线,重构结果平滑。
距离权重 NDVI 时间序列重构方法不足y 趋势线上方的噪声数据被赋予最高权重;
p(实验数据中,高 NDVI 值但低质量的数据占 10.7% )y 趋势线下方的高质量数据被赋予较低权重;
p(实验数据中,低 NDVI 值但高质量的数据占 21.7% )y 以趋近原始序列的上包络为目标,导致重构结果整体抬升。
SG 、 AG 、 DL 方法总结
© 中国科学院遥感应用研究所
流程图3. 质量权重 NDVI 时间序列滤波重构方法
3.1 获取质量因子
3.2 设定质量权重
3.3 质量加权插值
3.4 滤波 / 局部拟合
3.5 质量权重迭代
含质量标记的NDVI时序数据
NDVI时序数据
质量因子时序数据
NDVI时间序列质量加权插值
生成新的NDVI时间序列数据
AG局部函数拟合
计算拟合效果参数
拟合效果最好?否
是重构后的NDVI时间序列数据
SG滤波器滤波
DL局部函数拟合
主要步骤
© 中国科学院遥感应用研究所
3.1 质量权重 NDVI 时间序列滤波重构——获取质量因子
实验数据信息 数据文件
y EOS/Terra 卫星 MODIS 植被指数产品 MOD13Q1 V005 HDF 文件;
分辨率y 250 米, 10 天
区域y H27V05 中国华北平原
时间y 2008 年 1 月 -2010 年 12
月
质量因子提取
MOD13NDVI
EVI
……
VI 质量质量总评
VI 有用性……
VI 可靠性
文件
波段
位段
© 中国科学院遥感应用研究所
3.2 质量权重 NDVI 时间序列滤波重构——设定质量权重
质量因子 位段范围 位段值 质量描述 质量分级 质量权重
VI 有用性
0001 1 最高质量高 1
0010 2 较高质量
0011 3 质量可接受中 0.6
0100 4 质量一般
0101-1000 5-8 质量继续下降 低 0.2
1001-1100 9-12 由可疑质量降至最低质量
差 0
1101 13 质量太低而没有利用价值
1110 14 L1B 数据缺失
1111 15其它原因不能利用 / 没处
理
© 中国科学院遥感应用研究所
3.3 质量权重 NDVI 时间序列滤波重构——质量加权插值
质量加权插值 - 示意图 质量加权插值 - 原理
11
1
1
1
1*
iiii
j
jji
j
jjiji
i
wwww
w
yw
y
且当
© 中国科学院遥感应用研究所
3.4 质量权重 NDVI 时间序列滤波重构——滤波 / 局部拟合
SG 滤波器 AG 拟合函数 DL 拟合函数
n
YCY
mi
mi
iji
j
*
),...,;()( 5121 xxtgcctf
15
4
1
13
2
1
51
],)(exp[
],)(exp[),...,;(
xtxx
tx
xtxx
xt
xxtg
),...,;()( 4121 xxtgcctf
)exp(1
1
)exp(1
1),...,;(
4
3
2
141
xtx
xtx
xxtg
© 中国科学院遥感应用研究所
3.5 质量权重 NDVI 时间序列滤波重构——质量权重迭代
距离权重迭代方法( X ) 迭代公式
效果参数(距离权重)y SG :
y AG 、 DL :
质量权重迭代方法( q-X ) 迭代公式
效果参数(质量权重)y q-SG :
y q-AG 、 q-DL :
kk
kk
YYY
YYYY
',
','1
N
i
iikik wYYF
1
01 ]|[|
2
1
2)]),,(([2n
niyxctfw iii
kk
ikk
ik
k
YYY
wwYYY
wwYYY
Y
',
,',
,','1
N
i
iikik wYYF
1
01 ]|[|
2
1
2)]),,(([2n
niyxctfw iii
© 中国科学院遥感应用研究所
4. 结果分析与效果评价
分析评价方法y 定性:影像去噪、曲线拟合y 定量:平均偏差、标准偏差、相关系数
NDVI 影像去噪效果
NDVI 时间序列曲线拟合效果
重构对不同质量数据的影响
© 中国科学院遥感应用研究所
4.1 结果分析与效果评价——分析评价方法
定性 NDVI 影像中噪声的去除
y 恢复图像中的噪声区域
NDVI 时间序列曲线重构结果在不同质量数据处的拟合程度
y 拟合高质量数据y 滤除低质量数据
定量
统计
特征计算公式 统计特征的含义
平均
偏差
统计分析不同质量的 NDVI 数据在序
列重构前后的平均偏离程度。对于高
质量数据,平均偏差越小,说明对高
质量的 NDVI 值提升或压低的程度越小 .
标准
偏差
统计分析不同质量的 NDVI 数据在序列
重构前后偏离程度的标准差。对于高质量
数 据 , 标准偏 差越小 ,说明对 高 质 量
NDVI 数据的偏离越稳定 .
相关
系数
对不同质量 NDVI 数据进行重构前后相
关性分析。对于高质量数据,相关性越大,
说明更能保持高质量 NDVI 数据的固有规
律 .
i
N
jij
i
ijijij
N
X
X
YYX
i
1
'
i
Ni
jiij
i N
XX
1
2)(
)()'(
),'cov(
ii
iii
YDYD
YYr
© 中国科学院遥感应用研究所
4.2 结果分析与效果评价—— NDVI 影像去噪效果对比
质量权重方法与距离权重方法y q-SG 、 q-AG 、 q-DL 较
SG 、 AG 、 DL 平滑
质量权重方法之间y q-SG 较平滑y q-AG 、 q-DL残留斑点噪声(与基函数有关)
© 中国科学院遥感应用研究所
4.4 结果分析与效果评价——重构对不同质量数据的影响
对不同质量数据的平均偏差 对高质量数据的平均偏差
高 中 低 差0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.1SG 滤波q-SG 滤波AG 拟合q-AG 拟合DL 拟合q-DL 拟合
NDV
I
q-SG 滤波 q-AG 拟合 q-DL 拟合0.0250
0.0255
0.0260
0.0265
0.0270
0.0275
0.0280
0.0285
0.0262700000000002
0.026446
0.028138
NDVI
© 中国科学院遥感应用研究所
4.4 结果分析与效果评价——重构对不同质量数据的影响
对不同质量数据的标准偏差 对高质量数据的标准偏差
高 中 低 差0
0.05
0.1
0.15
0.2
0.25
SG 滤波q-SG 滤波AG 拟合q-AG 拟合DL 拟合q-DL 拟合
标准
偏差
q-SG 滤波 q-AG 拟合 q-DL 拟合0.054
0.055
0.056
0.057
0.058
0.059
0.060
0.061
0.062
0.063
0.0572630000000001
0.058544
0.062187
标准
偏差
© 中国科学院遥感应用研究所
4.4 结果分析与效果评价——重构对不同质量数据的影响
不同质量数据重构前后相关系数 高质量数据重构前后相关系数
高 中 低 差0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 SG 滤波q-SG 滤波AG 拟合q-AG 拟合DL 拟合q-DL 拟合
相关
系数
q-SG 滤波 q-AG 拟合 q-DL 拟合0.922
0.924
0.926
0.928
0.930
0.932
0.934
0.936
0.938
0.940
0.942 0.9393590000000
01
0.936702
0.928632相关
系数
© 中国科学院遥感应用研究所
4. 结果分析与效果评价——重构效果总结
重构效果 NDVI 影像去噪
y 质量权重方法优于距离权重方法
y q-SG :较平滑;y q-AG 、 q-DL :斑点噪声。
NDVI 时间序列曲线拟合y 质量权重方法能够有效滤除突增、突降噪声数据,同时不会造成 NDVI 时序曲线的整体抬升;
y q-SG 滤波法能够较好地拟合各个波动区间;
y q-AG 、 q-DL 拟合法对较多波动区间不能很好甚至错误拟合。
重构对不同质量数据的影响y 质量权重方法较距离权重方法在稳定高质量数据、滤除噪声数据方面较好;
y 对高质量数据保护方面 q-SG > q-AG > q-DL
整体而言,基于质量因子的质量权重 NDVI 时间序列重构方法,可以滤除更多的特别是突增噪声数据、更好地保护高质量NDVI 数据,从而获得更可靠的重构结果。
© 中国科学院遥感应用研究所
5. 总结
主要研究内容y 以 MODIS 植被指数产品为例,从MODIS 植被指数质量数据集
中提取出质量因子,转换为 NDVI 数据的质量权重,设计出质量权重 NDVI 时间序列重构方法。重构过程主要包括:对 NDVI 时间序列进行质量加权插值,滤波和局部拟合,以及质量权重迭代;
y 对距离权重 NDVI 时间序列重构方法和质量权重 NDVI 时间序列重构方法,以及 3种不同基函数的质量权重 NDVI 时间序列重构方法之间,进行了详细地定性、定量分析与评价。
© 中国科学院遥感应用研究所
5. 总结
研究不足之处y 对数据的质量权重分级较少,对数据的噪声程度不能详细区分;
y 选取的研究区域比较局限,且覆盖地物类别较少、特征较单一;
y 仅是根据 NDVI 数据质量信息评价滤波重构效果,不能对噪声数据恢复程度进行验证;
y 分析评价指标较少,仅从拟合效果、对高质量数据稳定性和相关性等方面对重构效果进行评价,没有考虑重构对季相特征等物候属性的影响。